Bayesanlar Kimlerdir?


92

Biri istatistiklerle ilgilenmeye başladığında, "Frequentist" - "Bayesian" ve " yakında " (ve yine de Nate Silver'ın Sinyali ve Gürültüsünü okumamış olan kim ? Görüşmelerde ve giriş kurslarında, bakış açısı çok sıkça sıkıcıdır ( MLE , değerleri), ancak Bayes formülüne hayran kalmaya ve genellikle teğetsel olarak önceki bir dağıtım fikrine dokunmaya adanmış küçük bir zaman payı olma eğilimindedir .p

Bayesian istatistiklerini tartışmak için kullanılan ton, kavramsal temellerine saygı ile yüce hedefler arasındaki uçurum ile ilgili şüphecilik ipucu ve önceki dağılımın seçiminde keyfilik ya da nihayetinde sık sık matematiğin kullanılmasıyla ilgili bir şüphecilik ipucu arasında salınır.

"Sert çekirdekli bir Bayesian iseniz ..." gibi cümleler çok fazla.

Sorun şu ki, bugün Bayeslular kimlerdir? Bazıları seçtikleri akademik kurumlar mı, oraya giderseniz bir Bayesian olacaksınız? Eğer öyleyse, özel olarak aranıyorlar mı? Sadece saygın istatistikçiler ve matematikçilerden bahsediyor muyuz, peki öyleyse onlar kim?

Bu saf "Bayesanlar" diye bile varlar mı? Etiketi mutlulukla kabul ederler mi? Her zaman gurur verici bir ayrım mıdır? Toplantılarda tuhaf slaytları olan, herhangi bir değerinden mahrum bırakılan, güven aralıklarını bilen, broşürde kolayca tespit edilen matematikçiler mi?p

Ne kadar bir niş "Bayesian" oluyor? Azınlık bir istatistikçiden mi bahsediyoruz?

Yoksa mevcut Bayesian-ism, makine öğrenmesi uygulamalarıyla mı eşittir?

... Ya da daha muhtemel olanı, Bayesci istatistiklerin çok fazla bir istatistik dalı değil , olasılık hesaplamaları kapsamını bir bilim felsefesine dönüştüren epistemolojik bir hareket mi? Bu bağlamda, bütün bilim adamları kalplerinde Bayesian olur ... ama sık tekniklere (veya çelişkilere) karşı geçirimsiz, saf bir Bayesian istatistikçi diye bir şey olmazdı.


18
Ben de bilmek istiyorum! Benim düşüncem, "Bayesanlar" ın genellikle bu tür istatistikleri sevmeyenler tarafından kullanılan bir terim olduğu. Ben Bayesian veri analizinin büyük bir hayranıyım ama kendimi bir Bayesian olarak görmüyorum , aynı şekilde kendimi bir Matrix-cebirci olarak görmüyorum .
Rasmus Bååth

4
Görünen bölünme, bazı yönlerden hayalidir. Bazen insanlar sadece bizim ve kendi yaklaşımımıza girmeyi severler. Birkaç yıl sonra kimsenin artık umursamadığı izlenimini edindim. "Felsefeler" birbiriyle çelişmez. Sık görüşmecilerin iyi tahminciler bulmak için sihirli bir tarifleri yoktur. Ancak, iki tahmin ediciye bakıldığında, hangi tahmin edicinin en iyi olduğuna karar vermede kriterleri olabilir. (O zaman bile, iki frekans uzmanı birbiriyle aynı fikirde olmayabilir ve farklı kriterler kullanabilir. ...
Aaron McDaid

1
... (devamı) "En iyi" olanı seçecek bir tahmin edici sınıfını ararken, sert bir frekans uzmanı, tüm Bayesian tahmincilerinin sınıfını göz önünde bulundurmaya makul bir şekilde karar verebilir (yani öncekiler) ve bu nedenle tahmin ediciyi (önceki) kullanmaya karar verebilir. bu onların "amaç" kriterine göre en iyisidir. Böyle bir kişi sıkça mı (en iyi tahmin ediciyi seçtikleri için) veya Bayesian (yalnızca Bayesian tahmin edicilerini aday olarak gördükleri için) mı? Kimsenin umrunda mı? Sanırım bu tür birçok insan kendi görevlerinde yanlış olsalar bile kendilerini Bayesian diye adlandırıyorlar.
Aaron McDaid

3
Sadece not etmek gerekirse, MLE'ler de olasılıkçı yöntemlere dayanıyor ve tamamen sıkıcı değil.
Lauren Goodwin,

5
@Count Tanıdığım bazı literatürler (risk iletişiminde ve ilgili psikolojide - Kahneman, Slovic, Tersky, vd. ) İnsanların olasılıklar için matematiksel olarak doğru prosedürleri kullanmadıklarını göstermektedir. Bunlardan bazılarının popüler bir ifadesi için Kahneman'ın Hızlı ve Yavaş Düşünme. Öyleyse, yorumunuzun mantıklı çıktısı, insanların “karmaşık yaşam formları” olmadığıdır.
whuber

Yanıtlar:


58

Sorularınızı sırayla alacağım:

Sorun şu ki, bugün Bayeslular kimlerdir?

Bayesian veri analizi yapan ve kendini "Bayesian" olarak tanımlayan herkes. Tıpkı bir programcı gibi, programlayan ve "programcı" olarak kendini tanımlayan biri. Küçük bir fark, tarihsel nedenlerden dolayı Bayesian’nin “sıkça” olasılık yorumlarının savunucuları ile “Bayesian” olasılık yorumlarının savunucuları arasındaki sıkça tartışılan tartışmalardan dolayı ideolojik çağrışımlara sahip olmasıdır.

Bazı seçkin akademik kurumlar mı, oraya giderseniz bir Bayesian olacağınızı biliyor musunuz?

Hayır, tıpkı istatistiklerin diğer bölümleri gibi, iyi bir kitaba (ve belki de iyi bir öğretmene) ihtiyacınız var.

Eğer öyleyse, özel olarak aranıyorlar mı?

Bayesian veri analizi, oldukça sık aranan bir beceri olduğunu düşündüğüm istatistiksel modelleme yaparken çok faydalı bir araçtır (şirketler belki de "Bayesanlar" ı aramasalar bile).

Sadece saygın istatistikçiler ve matematikçilerden bahsediyor muyuz, peki öyleyse onlar kim?

Orada ben kendilerini çağırır inanıyoruz birçok saygın istatistikçiler olan Bayesians , ancak bu değildir Bayesians.

Bu saf "Bayesanlar" diye bile varlar mı?

Bu "Bu saf programcılar var mı" diye sormak gibi bir şey mi? 46656 Bayesan Çeşitleri adında eğlenceli bir makale var ve " Bayesanlar " arasında pek çok vakıf meselesinde sağlıklı bir tartışma olduğu kesin. Tıpkı programcılar gibi farklı programlama tekniklerinin esası üzerinde tartışabilirler. (BTW, Haskell'de saf programcılar programı).

Etiketi mutlulukla kabul ederler mi?

Bazıları yapar, bazıları yapmaz. Bayesian veri analizini keşfettiğimde, dilimlenmiş ekmekten beri en iyisi olduğunu düşündüm (hala yapıyorum) ve kendime "Bayesian" demekten mutlu oldum (en azından benim bölümümdeki p-değeri insanları rahatsız etmek için). Bugünlerde terimden hoşlanmıyorum, bence Bayesian veri analizini istatistiksel araç kutunuzda kullanmak için yararlı bir yöntemden ziyade bir çeşit kült gibi hissettirdiği için insanları yabancılaştırabilirim.

Her zaman gurur verici bir ayrım mıdır?

Hayır! Bildiğim kadarıyla "Bayesian" terimi, ünlü istatistikçi Fisher tarafından aşağılayıcı bir terim olarak tanıtıldı. Ondan önce "ters olasılık" ya da sadece "olasılık" olarak adlandırılmıştı.

Toplantılarda tuhaf slaytlara sahip, herhangi bir p değerinden mahrum, güven aralıklarında matematikçiler kolayca broşürde tespit edilebiliyor mu?

Bayesian istatistiklerinde konferanslar var ve bu kadar fazla p değeri içerdiklerini sanmıyorum. Tuhaf slaytları bulup bulmamanız, geçmişinize bağlı ...

Ne kadar bir niş "Bayesian" oluyor? Azınlık bir istatistikçiden mi bahsediyoruz?

Hala bir istatistikçinin azınlığının Bayesian istatistikleriyle ilgilendiğini düşünüyorum, ancak oranın arttığını da düşünüyorum.

Yoksa mevcut Bayesian-ism, makine öğrenmesi uygulamalarıyla mı eşittir?

Hayır, ancak Bayesian modelleri makine öğrenmesinde çok kullanılıyor. Makine öğrenmesini Bayesçi / olasılıksal bir bakış açısıyla sunan harika bir makine öğrenme kitabı: http://www.cs.ubc.ca/~murphyk/MLbook/

Umarım bu soruların çoğuna cevap verdi :)

Güncelleme:

[C] Bayesian istatistiklerini birbirinden ayıran belirli tekniklerin veya mekanların bir listesini eklemeyi düşünebilir misiniz?

Ne Bayes istatistik ayırt Bayes modellerin kullanılmasıdır :) İşte bir Bayes modeli ne benim sıkma olduğunu :

Bir Bayesian modeli, modeldeki tüm belirsizliği temsil etme olasılığını kullandığınız, hem çıktıya ilişkin belirsizliği hem de modeldeki girdi (aka parametreleri) ile ilgili belirsizliği temsil ettiğiniz istatistiksel bir modeldir. Tüm önceki / posterior / Bayes teoremi meselesi bunu takip ediyor, ama bence herşeyin olasılığını kullanmak onu Bayesian yapan (ve aslında daha iyi bir kelime belki de olasılıksal model gibi bir şey olabilir).

Şimdi, Bayesian modelleri sığdırmak için zor olabilir ve bunun için kullanılan bir dizi farklı hesaplama tekniği var. Ancak bu teknikler kendi başlarına Bayesian değildir . Bazı hesaplama tekniklerini adlandırmak için:

  • Markov zinciri Monte Carlo
    • Metropolis-Hastings
    • Gibbs örneklemesi
    • Hamiltonian Monte Carlo
  • Varyasyonel Bayes
  • Yaklaşık Bayesian hesaplama
  • Parçacık filtreleri
  • Laplace yaklaşımı
  • Ve bunun gibi...

'Bayesian' terimini aşağılayıcı olarak tanıtan ünlü istatistikçi kimdi?

Sözde Ronald Fisher oldu. Bildiri Ne zaman Bayesian çıkarsama "Bayesian" oldu? "Bayesian" teriminin tarihini verir.


2
Vay canına, seni Andrew Gelman'ın blogundaki ünlü yükseklikler hakkındaki bölümünden hatırlıyorum! "46656 Çeşitleri Bayesialı" okumayı dört gözle bekliyorum. İyi bir cevap için teşekkür ederim!
Ellie Kesselman,

2
Çok iyi! 'Kült' kelimesini bırakmış olmanı seviyorum. Ben kimsenin canını sıkmasın diye tereddütlüydüm. Sorularımdan bazıları sadece soru sormak istemişti ... sonunda, istatistikleri öğrenmeye çalışıyorum ve içerdeki ikilemi anlamaya meraklıydım.
Antoni Parellada

1
Bir yorum: "Bayesian" olarak etiketlenmiş birçok şey var ve insanlar kafasını karıştırmaya meyilli (ve bu soru-cevap bölümünde!). Tam olmayan bir liste: Bayesçi Beyin hipotezi (bir beyin temelde Bayesci istatistik yapıyor), Bayesçi bilim felsefesi, Bayesan istatistik, Bayesan olasılık görünümü, Bayesan istatistik yapmak için hesaplama yöntemleri, Şüphesiz bunların çoğu ilişkilidir (Bayes Olasılık ve Bayes. istatistikleri), ancak hepsini satın almak zorunda değilsiniz! Örneğin, Bayesian Beyni'nin oldukça şüpheli olduğunu düşünüyorum ama Bayesian istatistiklerini faydalı ve pratik bir teknik olarak kabul ediyorum .
Rasmus Bååth,

1
Harika yazı! Bununla birlikte, aynı fikirde olamayacağım bir şey, "Bazı seçkin akademik kurumlar mı, oraya giderseniz Bayezyen olacağınızı biliyor musunuz?" soru. Duke'un devlet bölümüne giderseniz, bir Bayesçi olacaksınız.
TrynnaDoStat 17:15

2
Dostum, burada cevapladığım her soru için bir puan alırsam, ... 12 oy alır :)
Rasmus Bååth

25

Bayesliler, olasılıkları bazı önerilerin makulluğunun sayısal bir temsili olarak tanımlayan insanlardır. Frekansistler, olasılıkları uzun dönem frekansları temsil eden olarak tanımlayan insanlardır. Eğer bu tanımlardan sadece bir tanesi veya diğerlerinden memnunsanız, o zaman bir Bayesci ya da sıkça konuşursunuz. Her ikisinden de memnunsanız ve eldeki görev için en uygun tanımı kullanıyorsanız, o zaman bir istatistikçisiniz! o) Temel olarak, bir olasılık tanımına dayanıyor ve çalışan istatistikçilerin çoğunun her iki yaklaşımın yararlarını ve dezavantajlarını görebileceklerini umuyorum.

yüce hedefler arasındaki uçurum ve önceki dağıtımın seçimindeki keyfilik veya sonuçta sık sık matematiğin kullanılmasıyla ilgili şüphecilik ipucu.

Şüphecilik de diğer yöne gider. Sıklıkçılık, mevcut düşüncenin olasılık ve istatistik konusundaki öznelliğini ortadan kaldırmak için yüce bir amaç ile icat edildi. Bununla birlikte, öznellik hala oradadır (örneğin, hipotez testinde uygun anlamlılık düzeyini belirlemede), ancak açıkça belirtilmemiştir veya çoğu zaman göz ardı edilmektedir .


1
Bunu anlamıyorum. Olasılığı uzun dönem frekansları temsil olarak tanımlayabilirsiniz, ancak yalnızca P (H | O) yüksek olduğunda bir hipoteze inanır ve P (O | H) (p-değeri) nin size çok az şey söylediğini bilirsiniz. (Yeterince iç gözlemle yeterince uzun yaşarsanız, doğru olma sıklığını doğrudan sayabilirsiniz.)
Aleksandr Dubinsky

2
Frekansistler, P (H | O) 'ya belirli bir hipotezin gerçeğinin uzun çalışma frekansı olmadığı, ya doğru olduğu ya da olmadığı gibi bir değer atayamaz. Sonuç olarak, yalnızca gerçekten gözlediğimiz birinin çizildiği veya "H0'ı reddetme" veya "H0'ı reddetmediği" veya belirli bir önem düzeyinde bazı olasılıkları (muhtemelen hayali) popülasyonlara ekleyebiliriz. Ne yazık ki, her iki yaklaşım da testten gerçekten istediğimiz şey P (H | O) olduğu için yanlış yorumlama olanaklarını bırakıyor. Her iki yaklaşımın da kendi kullanımları vardır, ancak sınırlamalarını anlamak önemlidir.
Dikran Marsupial

Uygulayıcıları kendilerini felsefeye rehin tutan başka bir matematik alanı var mı? Ne olursa olsun, pratikte, esasen aynı sorular tekrar tekrar ortaya çıkıyor. "Bu kişi cinayet işledi". Sanığın benzersiz kimliği önemsizdir (tıpkı belirli bir kalıp rulosunun fiziksel detaylarını görmezden geldiğimiz gibi). Her yıl işlenen binlerce cinayet (ve daha masum bir şekilde suçlanan binlerce kişi) göz önüne alındığında, her türlü koşul muhtemelen birden fazla kez gerçekleşmiş olacak. Birinin suçluluk duymama kararında sıkça olmayan ne? Yine de p-değerini kullanmak büyük bir adaletsizlik olacaktır.
Aleksandr Dubinsky

21

Örneğin Andrew Gelman , Columbia Üniversitesi'nde istatistik ve siyaset bilimi profesörü olarak öne çıkan bir Bayesian'dir.

ISBA arkadaşlarının çoğunun kendilerini de Bayesalılar olarak göreceklerinden şüpheleniyorum .

Genel olarak, aşağıdaki araştırma konuları tipik olarak bir Bayesian yaklaşımını yansıtmaktadır. Onlar hakkında yazılar okuduysanız, yazarların kendilerini "Bayesian" olarak tanımlamaları muhtemeldir.

  • Markov Zinciri Monte Carlo
  • Varyasyonel Bayesian Yöntemleri (adını bir başkasına verir)
  • Parçacık Filtreleme
  • Olasılıksal programlama

2
Küçük not: parçacık filtreleme sadece Bayesanlar için değildir! Berkeley'de profesörlük altında çalıştım, burada MCEM algoritmasının E basamağı için partikül filtresi kullandık. Ancak evet, parçacık filtreleri tipik olarak Bayesanlar tarafından kullanılır.
Cliff AB,

1
Hesaplama ücretini ödeyecekseniz, neden felsefi tutarlılığı elde edemiyorsunuz?
Arthur B.

8
Gelman olsa da "sert çekirdekli" değil. Söyleyebileceğim kadarıyla, Bayesian istatistiklerini pratikte değerini kanıtlamış bir şey olarak görüyor ve kesinlikle Bayesian prosedürlerinin sıkça özellikleri ile ilgileniyor.
A. Donda

5
Markov-Chain Monte Carlo’nun doğrudan Bayesian istatistikleriyle ilişkili olmadığı, aynı şekilde sayısal optimizasyonun doğrudan Maksimum olabilirlik tahmini ile doğrudan ilişkili olmadığı belirtilmelidir ...
Rasmus Bååth

3
Bence Andrew Gelman'ın bir kişiyi "Bayesian" ya da "sık sık" olarak nitelendirmenin hiç de anlamlı olmadığını düşündüğünü yazdığını belirtmeye değer. Ancak daha doğrusu, bazı TEKNİKLER çok etiketlenmiş olabilir. İstatistikleri keyfi olarak bir kampa ya da diğerine bölmenin zahmetli olduğunu düşünüyor, çünkü her iki metodolojinin de farklı bağlamlarda farklı güçlü ve zayıf yönleri var.
Ryan Simmons

20

Bugün hepimiz Bayesalıyız , ama bu iki kampın ötesinde bir dünya var: algoritmik olasılık. Bu konuda standart referansın ne olduğundan emin değilim, ancak Kolmogorov'un algoritmik karmaşıklık üzerine güzel bir makalesi var: AN Kolmogorov, “Bilgi Miktarı” kavramının tanımına üç yaklaşım , Probl. Peredachi Inf., 1965, Cilt 1, Sayı 1, 3–11. İngilizce çeviri olduğuna eminim.

Bu yazıda bilgi miktarını üç şekilde tanımlamaktadır: birleştirici, olasılıksal ve (yeni) algoritmik. Kombinatoryal doğrudan frekansçı ile eşleşir, Probabilist doğrudan Bayesian ile eşleşmez, ancak onunla uyumludur.

GÜNCELLEME: Olasılık felsefesiyle ilgileniyorsanız, o zaman çok ilginç bir çalışmaya işaret etmek istiyorum " Kolmogorov'un Grundbegriffe'nin kökenleri ve mirası"Glenn Shafer ve Vladimir Vovk tarafından. Kolmogorov'dan önceki her şeyi unuttuk ve seminal çalışmasından önce çok şey oldu. Öte yandan, felsefi görüşleri hakkında pek bir şey bilmiyoruz. Örneğin, 1930’da Sovyetler Birliği’nde yaşadığı gerçek, 1930’da felsefeye girmenin oldukça tehlikeli olduğu, kelimenin tam anlamıyla, bazı bilim adamlarının (GULAG cezaevlerinde sona erdi) varoluşsal sıkıntısı yaşayabilirsiniz. Öyle bir şekilde sık sık olduğunu belirtmek zorunda kaldı: Bence gerçekte sadece bir matematikçi değil, bir bilim insanıydı ve olasılık teorisinin gerçeğe uygulanabilirliği konusunda karmaşık bir görüşü vardı.

Vovk tarafından Kolmogorov'un rastgelelik konusundaki algoritmik yaklaşımı hakkında başka bir makale daha var: Kolmogorov'un olasılık temellerine katkıları

Vovk olasılıklara oyun teorik bir yaklaşım yarattı - aynı zamanda çok ilginç.

P(B|E)BEP(E|B)

görüntü tanımını buraya girin

GÜNCELLEME 3:

Ayrıca Kolmogorov'un orijinal eserinde, bir nedenden ötürü (ya da kolayca unutulan) uygulayıcılar tarafından pek bilinmeyen bir şeye işaret etmek istedim. Teoriyi gerçeğe bağlamakla ilgili bir bölümü vardı. Özellikle, teoriyi kullanmak için iki koşul belirledi:

  • A. Deneyi birçok kez tekrarlarsanız, oluşma sıklığı olasılıktan sadece küçük bir miktar kadar farklı olacaktır;
  • B. Olasılık çok küçükse, o zaman deneyi yalnızca bir kez yaparsanız, olayın gerçekleşmeyeceğinden kesin olarak emin olabilirsiniz.

Bu koşulların farklı yorumları var , ancak çoğu insan, bunların saf frekans görüşlerinin olmadığı konusunda hemfikirdir. Kolmogorov, von Mises'in yaklaşımını bir dereceye kadar takip ettiğini açıkladı, ancak olayların göründüğü kadar basit olmadığını belirtti. Sık sık B durumunu düşünürüm ve istikrarlı bir sonuca varamam, her düşündüğümde biraz farklı görünüyor.


2
İlk köprüsün istediğin şey mi?
Antoni Parellada

3
@AntoniParellada, şaka olması amaçlanıyor :)
Aksakal

Tamamen kafamda ... Ve ... ben kaçırdım Çok üzgünüm ... köprülü tartışmanın anlamsız doğası göz önüne alındığında, muhtemelen komik
Antoni Parellada

1
"McCain to Georgian President:" Bugün Hepimiz Gürcüleriz "Haha, bu komik.
Deep North


17

Bildiğim en "sert çekirdekli" Bayesian, 1998'de vefat eden Edwin Jaynes'dir . Bayesians'ın öğrencileri arasında, özellikle de asıl çalışmasının ölümcül yazarlarından daha fazla bulunmasını bekliyorum. Olasılık Teorisi: Bilim Mantığı , Larry Bretthorst. Diğer önemli tarihi Bayesanlar arasında Harold Jeffreys ve ve Leonard Savage var . Alanla ilgili tam bir görüşe sahip olmasam da, benim izlenimim, Bayesian yöntemlerinin (özellikle makine öğrenimindeki) popülerliğinin derin felsefi inançtan kaynaklanmadığı, ancak Bayesian yöntemlerinin birçok alanda yararlı olduğunu kanıtladığı pragmatik konumdan kaynaklandığı yönünde. uygulamalar. Bence bu pozisyon için tipik olan Andrew Gelman .


Biraz romantik bir fikir gibi geliyor. Norman Rockwell İstatistikleri?
Antoni Parellada

1
@ AntoniParellada, ne demek istediğin hakkında hiçbir fikrim yok ...
A. Donda

2
Jaynes ve Jeffreys de benim aklımdaydı. Harika bir makale "Maksimum Entropinin Neresinde Duruyoruz?"
Neil G

2
Hmmm, Jaynes'i her zaman Bayes hakkında çok pragmatik olarak okudum.
Rasmus Bååth,

8

Bayezyalıların kim olduğunu bilmiyorum (bunun için daha önce bir dağıtım yapmam gerektiğini düşünmeme rağmen), ama kim olmadıklarını biliyorum.

Tanınmış alıntı, şimdi Bayes, DV Lindley, "ampirik bir Bayesian daha az Bayesian yoktur" ayrıldı. Bayesian Yöntemlerinin Ampirik Bayes kısmı: Sosyal ve Davranış Bilimleri Yaklaşımı, İkinci Basım, Jeff Gill . Anlam Sanırım "Frequentists" bile, her şeyin tamamen mekanik olduğu deneysel Bayesanlar'ın aksine, bir modelin ne anlama geldiğini (bir anlamda bir model biçiminin seçimi bir önceliği teşkil eder) düşünüyor.

Uygulamada, üst kademe Bayesanlar ve Frequentists tarafından yapılan istatistiksel analiz sonuçlarında çok fazla bir fark olmadığını düşünüyorum. Korkunç olan şey, mutlak ideolojik saflıkta olan ideolojik rol modelinden ve mutlak ideolojik saflığı olan yaklaşım modelinden sonra, kesinlikle rol modelini düşündüğü gibi yaklaşma analizi yapmadan, kendini katı bir şekilde biçimlendirmeye çalışan düşük kaliteli bir istatistikçi görmenizdir. rol modelinde düşünce kalitesi ve yargılama. Bu çok kötü analizlere ve tavsiyelere neden olabilir. Çok sert çekirdekli, ancak düşük kaliteli ideologların Bayesliler arasında Frequentist'lerden çok daha yaygın olduğunu düşünüyorum. Bu özellikle Karar Analizinde geçerlidir.


1
Mizah ile bazı sertlikler işaret etmek güzel. Ty
Antoni Parellada

6

Muhtemelen kimsenin bunu farketmesi için çok geç kaldım, ama bence kimsenin Bayesian ile Frequentist yaklaşımlar arasındaki en önemli farkın Bayezyalıların (çoğunlukla) yöntemleri kullandığına dikkat çekmemesinin utanç verici olduğunu düşünüyorum. Olasılık ilkesine saygı duyurken, Frequentists neredeyse hiç değişmez. Olabilirlik ilkesi, ilgilenilen istatistiksel model parametresi ile ilgili kanıtların tamamen ilgili olabilirlik fonksiyonunda yer aldığını söyler.

İstatistiksel teori veya felsefeyi önemseyen frekansçılar, olasılık ilkesinin geçerliliği hakkındaki argümanlarla değil, olasılık ve frekansın kısmi inanç yorumları arasındaki fark ve önceki olasılıkların arzu edilebilirliği hakkındaki argümanlardan çok daha fazla endişe duymalıdırlar. Çatışma olmadan bir arada yaşama ihtimalinin farklı yorumlarının yapılabilmesi ve bazılarının başkalarının istemesine gerek kalmadan bir önceleme yapmayı seçmesi mümkün olsa da, olasılık ilkesi olumlu ya da normatif anlamda doğruysa, çoğu Freentist yöntem iddialarını yitirir. iyimserlik için. Olabilirlik ilkesine yönelik sıkça yapılan saldırılar şiddetlidir, çünkü bu ilke istatistiksel dünya görüşlerini zedelemektedir, ancak çoğunlukla bu saldırılar izlerini kaçırmaktadır ( http://arxiv.org/abs/1507.08394).


4

Bir Bayesan olduğuna inanıyor olabilirsin, ama muhtemelen yanılıyorsun ... http://www.rmm-journal.de/downloads/Article_Senn.pdf

Bayesliler, önceden inanç / ön bilgi verilen ilgi çıktılarının olasılık dağılımını türetmiştir. Bir Bayesçiye göre bu dağılım (ve özetleri) çoğu insanın ilgisini çekecektir. Null hipotezinin doğru olduğu göz önüne alındığında, sonuçları neyin veya daha uçtan daha fazla gördüğünü söyleyen tipik "sıkça" sonuçların aksine. p-değeri) veya ilgilenilen parametre için aralık tahminleri, eğer% 95'i tekrarlanan örneklemeyi yapabilirseniz (güven aralığı) gerçek değerini içerecektir.

Bayesian önceki dağıtımları çekişmeli çünkü onlar SİZİN önceleri. Önceden "doğru" yok. Pragmatik Bayezlilerin çoğu, öncelikler için kullanılabilecek dış kanıtlar arar ve daha sonra, belirli bir durum için "makul" olması beklenen şeye dayanarak bunu indirir veya değiştirir. Örneğin, şüpheci öncelikler, boş bir davada olasılık "" yığınına "sahip olabilir -" Fikrimi değiştirmeme / mevcut uygulamayı değiştirmeme neden olacak verilerin ne kadar iyi olması gerekir? " Çoğu, farklı önceliklere göre çıkarımların sağlamlığına da bakacaktır.

Önceden inançtan "etkilenmeyen" çıkarımlar yapmalarına izin veren ve "sıkça" özelliklere sahip olasılık ifadeleri ve aralık tahminleri almalarını sağlayan "referans" önceliklerini inceleyen bir Bayes grubu vardır.

Bir model seçmemeyi savunan (tüm modeller yanlış) ve keşif analizinin önceliklerinizi etkilemek zorunda kalacağını ve bu yüzden yapılmaması gerektiğini savunan bir grup "Hardcore Bayesians" vardır. O kadar az radikal var ki ...

İstatistik alanlarının çoğunda Bayesian analizlerini ve uygulayıcılarını bulacaksınız. Parametrik olmayanları tercih eden bazı insanları bulacağınız gibi ...


2
Sanırım yazınızı okuduktan sonra Bayesian istatistiklerini daha iyi anlıyorum. Sıra dışı bir cevaba sığdırmak için onu asıl soruya bağlayıp bağlayamayacağınızı merak ediyorum ... Bayesanlar'ın isimleri veya Bayes'e yaklaşma yönündeki önyargılarıyla bilinen matematiksel bölümleri olan belirli bir grup insan olmasıydı. istatistikler, vb.
Antoni Parellada,

1
Şimdi ve geçmişte Bayesian istatistiklerini tercih eden birçok kişi ve akademik bölüm var. Özellikle birini ayırmak zor. Daha fazla ilgileniyorsanız, ISBA bayesian.org sitesine bakmanızı tavsiye ederim .
MikeKSmith

1
Dikkat etmeniz gereken birkaç isim: Don Berry, Jim Berger, David Draper, Merlise Clyde, Mike West, David Spiegelhalter, Peter Thall ...
MikeKSmith 14:15

Evet, başka biri bağlantıyı gönderdi ve ben alfabetik listeye kalıpları aradım. Hiçbir istatistik bulamadım, çünkü istatistikçi olmadığım için şaşırtıcı değil. Sanırım, fikir Bayes'e yüce, saf bir fikir mi, insanlara bağlılık iddiasında bulunmaktan hoşlanıyor mu, ya da (hala) sıklıkçılığa aykırı olarak uygulamalı istatistikleri uygulamada iyi tanımlanmış, günlük bir yöntem mi? adınızı eklemek için çok "seksi" bir ses değil, ama muhtemelen daha pratik?
Antoni Parellada

1
Son sorunuza cevaben, ikisi de. Bu kesinlikle felsefi bir yaklaşımdır. Ne olduğunu gözlemlediğimizi söyleyen bilimsel yöntemi tamamlar (önceki bilgi), yarının öncüsü olan güncel bilgimizi varsayım, deney, sentez ve günceller. Fakat aynı zamanda bireysel bir olaya uygulanabilecek istatistiksel bir analiz yöntemidir.
MikeKSmith

4

Sadece son sorunuzu cevaplamak için (bu yüzden bir ödülün peşinde değilim!), Bayesian / Frequentist bir yaklaşımla birinin epistemolojik durumu arasındaki bağlantı hakkında, şu ana kadar karşılaştığım en ilginç yazar Deborah Mayo. İyi bir başlangıç ​​noktası, 2010 ve Mayo ile Andrew Gelman arasındaki değişimi (burada biraz sapkın Bayesian olarak ortaya çıkıyor). Mayo daha sonra burada Gelman & Shalizi makalesine ayrıntılı bir yanıt yayınladı .


2

Tüm Bayesians bir alt kümesi, bir e-posta göndermek için rahatsız olanlar Bayesians, listelenen yani burada .


Orada kendilerini Bayesyan olarak tanımlayan iki profesör buldum. O zaman bu iyi bir liste olmalı.
Aksakal,

1
@Aksakal Bunun istatistikçilerin çeşitli geçmişlerden geldiğinin bir yansıması olduğunu düşünüyorum. Eğer ölçüt "büyük istatistik dergilerinde yayınlanmış insanlar" ise, o zaman onlarca kişinin isimleri sayılır, içinde bulundukları bölümün adı ne olursa olsun. Listeyi tararken oldukça fazla sayıda tanıdım.
Glen_b

@Aksakal Amacınızı anlamıyorum. Listedeki ilk 5 kişiden 2 (belki 3) istatistik profesörü var.
jaradniemi

@jaradniemi, açık bir şekilde Bayesiyan olan profesörümden iki tanesini hatırladım, sonra listede buldum. Bu, listenin muhtemelen temsili olduğunu düşündürüyor.
Aksakal

2

Bruno de Finetti ve LJ Savage Bayesians'ı arayacağım. Felsefi temelleri üzerinde çalıştılar.


10
De Finetti (yazımı fark etmeden) 30 yıl önce ve Savage'ı 44 yıl önce öldüğünden beri, bir şekilde zombiler olarak yükselmediği ve sahte olmayan bir şekilde yayınlamadıkları sürece, "Bugün Bayesanlar kimler?" Diye cevap veriyorlardı.
whuber

@whuber ... (Dışarıdan) kulağa daha hoş ve yüce bir fikir gibi geliyor ... kendini kanıta dayalı olarak düşünmeye benziyor, önceliklerimize ve toplanan kanıtlara dayanarak dünya görüşümüzü sürekli güncelliyor. Bayes epistemoloji ... ziyade istatistiksel teknikler "farklı" setine katı bir bağlılığa .... daha olarak
Antoni Parellada

0

Frekansçılar ve Bayezliler arasındaki temel tartışmayı anlamak için, Bradley Efron'dan daha güvenilir bir ses bulmak zor olurdu.

Bu konu kariyeri boyunca defalarca değindiği bir tema olmuştur , ancak şahsen eski kağıtlarından birini faydalı buldum: İstatistiklerin Temelleri Üzerindeki Tartışmalar (bu, mükemmel mükemmellik ödülü kazandı).

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.